Las redes neuronales juzgan por la cara

Los investigadores han descubierto que los grandes modelos lingüísticos multimodales actuales —sistemas capaces de trabajar tanto con texto como con imágenes— pueden evaluar el carácter de una persona por su cara. Y no lo hacen de forma neutral: reproducen un error humano muy extendido y atribuyen competencia, fiabilidad e incluso propensión al delito a determinados rasgos físicos.

El estudio «Like humans, language models demonstrate face-to-character biases» se ha publicado en PNAS Nexus. Sus autores son Steven A. Lehr, de Cangrade, Inc., Yash Lothe y Mahzarin R. Banaji, profesora de la Universidad de Harvard y colaboradora externa del Santa Fe Institute.

A menudo, las personas deciden al instante si un desconocido les parece inteligente, competente o digno de confianza. Este mecanismo se denomina inferencia del carácter a partir del rostro. Se basa en la forma y la textura de la cara, aunque la apariencia no proporciona información fiable sobre las cualidades personales. Los estudios indican que este error se forma muy pronto: a partir de los tres años, los niños ya asocian de manera consistente ciertos rasgos faciales con el carácter.

Los investigadores plantearon que los modelos lingüísticos podrían haber heredado esa predisposición de enormes corpus de textos humanos. Aunque el sesgo parece visual, el lenguaje describe constantemente rostros, aspecto y conducta, y los vincula entre sí. Por tanto, el modelo podría haber aprendido no solo hechos, sino también errores humanos.

En 13 experimentos, los investigadores realizaron casi 8.000 pruebas con cuatro modelos. Primero mostraron a GPT-4o pares de rostros generados artificialmente. Las imágenes se modificaron en rasgos concretos que las personas suelen asociar con la competencia o la fiabilidad.

En 600 pruebas de competencia, GPT-4o eligió el rostro «más competente» en el 87,83 % de los casos. En la prueba de fiabilidad, también compuesta por 600 comparaciones, eligió el rostro esperado en el 72,67 % de los casos. Cuanto más diferentes eran los rostros, más evidente resultaba el sesgo: con una diferencia de seis desviaciones estándar, el modelo acertó la opción esperada en el 98 % de los casos. Incluso con una diferencia casi imperceptible de dos desviaciones estándar, la cifra se mantuvo en el 70 %.

A modo de comparación, según las estimaciones matemáticas, las personas elegirían el rostro más competente en una tarea similar en aproximadamente el 62,65 % de los casos. Esto significa que el modelo no se limitaba a repetir el estereotipo humano, sino que podía amplificarlo. No obstante, los autores señalan que parte del efecto se explica por la gran consistencia de las respuestas del modelo y no necesariamente por un sesgo más profundo.

Después, los investigadores probaron GPT-4o con cualidades relacionadas. En 2.160 pruebas, el modelo eligió el rostro acorde con las expectativas en el 74,63 % de los casos para rasgos relacionados con la competencia —por ejemplo, «inteligente» o «perezoso»— y en el 73,33 % para rasgos relacionados con la fiabilidad, como «amable» o «egoísta».

También estudiaron 150 pares de rostros de macacos. Anteriormente, las personas habían calificado a esos animales de «malos» o «monos». GPT-4o eligió al mono «mono» como más fiable en el 66 % de los casos. Esto podría indicar que el modelo aplica una idea generalizada del «rostro fiable», en lugar de limitarse a reproducir imágenes humanas conocidas.

La parte más inquietante del experimento se refería a decisiones de alto impacto. En 540 pruebas, se pidió a GPT-4o que eligiera quién tenía más probabilidades de ser un asesino en serie, un traficante de personas o el organizador de una estafa piramidal. En el 68,70 % de los casos, el modelo señaló el rostro que las personas suelen considerar menos fiable.

En otra prueba, el modelo recomendaba a quién contratar como rector de una universidad o a quién conceder financiación para una empresa tecnológica emergente. En 540 comparaciones, recomendó el rostro «más competente» en el 75,19 % de los casos. En otras palabras, la apariencia se colaba discretamente tanto en las acusaciones como en las decisiones positivas de selección de personal.

Los científicos repitieron las pruebas principales con GPT-5, Gemini 3 Flash Preview y Claude Sonnet 4.5. Los tres sistemas mostraron un fuerte sesgo. GPT-5 eligió el rostro esperado en el 94,33 % de las evaluaciones básicas de competencia y en el 97,04 % de las recomendaciones para decisiones reales. Los nuevos modelos no habían resuelto el problema: en algunas pruebas lo habían agravado. Un razonamiento más avanzado, contra lo que cabía esperar, no resultó ser una vacuna automática contra los estereotipos.

Los autores advierten de que los resultados no pueden extrapolarse sin reservas a todas las situaciones. Se obligó a los modelos a elegir un rostro entre dos y solo se utilizaron imágenes bidimensionales estáticas. No se sabe si su comportamiento cambiaría al trabajar con vídeo, distintos ángulos o sin una elección forzada.

Aun así, los investigadores consideran insuficiente la explicación de que «el modelo simplemente repite los datos de entrenamiento». El sesgo resultó más intenso que el humano y aumentó en las nuevas generaciones de sistemas. Si la inteligencia artificial realmente puede aprender todo lo que las personas expresan con palabras, quizá no se limite a reflejar nuestros errores: también puede amplificarlos.

Todavía se desconoce cómo evalúan los modelos los rostros según otros rasgos, como el sexo y la raza. Los desarrolladores incorporan salvaguardas contra las formas más evidentes de discriminación, pero las asociaciones más sutiles vinculadas a la forma de la cara podrían quedar sin control.

Los autores recomiendan extremar la cautela al aplicar estos sistemas en la contratación, el ámbito judicial y otros campos en los que una decisión puede afectar al destino de una persona. Antes de implantar los modelos, hay que comprobar si esconden sesgos. De lo contrario, el «objetivo» asistente digital acabará siendo un fisonomista de toda la vida: solo que más rápido, más seguro de sí mismo y sin derecho a quedarse incómodo en silencio.